量子计算因其独特的量子力学原理与潜在的强大计算能力，或将率先在化学、医药、材料领域取得应用。5月30日，《科学》（Science）期刊的新闻记者Bob Service发表博文“Practical uses for quantum computers are emerging in chemistry, promising to speed the development of materials, catalysts, and drugs”（化学领域正在出现量子计算机的实际应用，有望加速材料、催化剂和药物的开发），介绍了近期量子计算机在化学医药领域的尝试。为了更深刻地了解量子计算在该领域中的发展与应用，光子盒翻译了这篇博文，以飨读者。化学领域正在出现量子计算机的实际应用，有望加速材料、催化剂和药物的开发量子计算机的核心不过是一块邮票大小的硅芯片，看着眼熟，但其与笔记本电脑的相似之处也就仅此而已。这块被放置在真空室中加以保护且被冷却到接近绝对零度的芯片上有198个金电极，排列出的图案像是椭圆形的跑道。在Quantinuum的H2芯片中，徘徊在微小中央“跑道”上方的离子可以计算分子结构首先，在跑道上方，一小撮镱离子被一连串的电脉冲、射频脉冲和激光脉冲囚禁并悬浮。其次，赋予离子特定能量，并诱使它们发生相互作用以执行一系列逻辑操作。最后，激光脉冲使每个离子发出或不发出荧光，继而探测器将二进制代码形式的闪光读出并作为计算的解。去年，美国离子阱量子计算初创公司Quantinuum的研究人员使用带有八个镱离子的芯片来从无数种可能的构型中计算出氢分子的两个电子在最稳定状态下的精确排列。就其本身而言，这种计算壮举几乎不值得注意，一台典型的笔记本电脑可以在几秒钟内完成它。但它标志着先进量子模拟的首次演示，随着量子计算机变得越来越强大，预计模拟结果将会更好，并且能够处理更为复杂的分子。这一成就表明，量子计算机正在试探性地从空口承诺转向应对现实世界的挑战。Quantinuum是众多量子计算公司之一，他们认为化学应用，尤其是寻找新药和催化剂，将会是这些新机器的首要实际任务之一。研究人员说，它们非常适合预测分子的结构和行为，因为量子计算机和分子都受到量子力学反直觉定律的支配。“我们目前正在使用化学问题来推进量子计算，而不是使用量子计算来推进化学，”Quantinuum的战略主管Chad Edwards说。“但会有一个转折点，”这些角色将发生互换。“在过去的一年里，转变速度明显加快，”PASQAL的量子物理学家Louis-Paul Henry表示同意，PASQAL是一家位于巴黎的中性原子量子计算初创公司，也专注于化学领域。“越来越多的人开始谈论应用，并关注与实际应用相关的棘手问题。”量子计算机已经开始帮助研究人员放大燃料电池催化剂中的反应途径，模拟光和物质之间无限小的短暂相互作用，揭示蛋白质中的可成药口袋。英国量子计算软件公司Phasecraft的联合创始人Ashley Montanaro表示，今天的量子计算机几乎足以做出经典计算机无法企及的发现。“这比人们之前想象的要近得多。”标准计算机将数据比特处理为0和1，而量子计算机依赖于“量子比特”，其可以将数据编码为0态、1态或两种状态任意组合而成的叠加态。在Quantinuum的计算机中，量子比特是镱离子中的电子，它可以悬停在两个不同能级的叠加之中。在计算过程中，多个量子比特发生“纠缠”，因此它们的能态相互影响，从而可以同时求解它们所有可能的相互作用。Quantinuum创始人Ilyas Khan将经典计算比作一只老鼠在迷宫中穿行，在反复试验中随机转弯，寻找正确的路径。他说，量子计算机仿佛鸟瞰同一迷宫，因此更容易立刻看到最佳路径，所以验证解决方案就像测试由量子计算机揭示的分子结构或行为一样简单。“你已经得到了一块奶酪，所以你知道你已经走到了尽头，”Ilyas Khan说。即使将几百个量子比特链接在一起，也应该能够进行非常复杂的计算。挑战就在于量子比特太过脆弱：空气粒子、一丁点热量、甚至杂散宇宙射线等最轻微的“推挤”都会扰乱量子比特的叠加态，从而产生错误、破坏结果。研究人员通过冷却量子比特并将其与环境隔离来最大限度地减少这些影响。此外，研究人员还内置了冗余。尽管今天的量子计算机可能会连接数十或数百个量子比特，但其中只有一小部分执行逻辑运算，其余用于纠错。即便如此，量子计算机仍在愈发强大。去年，IBM推出了一款基于微型超导线路的1121量子比特计算机，高于2021年发布的127量子比特版本。美国中性原子量子计算初创公司Atom Computing则更胜一筹，去年推出了一款1180量子比特的计算机，该计算机依赖于中性镱原子的自旋。其他研究人员或量子计算公司则在努力提高准确性。2023年12月，哈佛大学的研究人员使用美国中性原子量子计算初创公司QuEra的280量子比特计算机中实现错误率的降低，使他们能够编码多达48个逻辑量子比特，并在量子纸牌屋崩溃之前忠实地执行数百次操作，这是对之前装置的重大改进。上个月，Quantinuum的科学家报告说，一种新的Microsoft算法极大地提高了他们检测并纠正最新32量子比特离子芯片中错误的能力。“硬件的进步速度足够快，它们可能很快就会影响到可实现的应用程序数量，”加州大学洛杉矶分校的量子计算专家Prineha Narang说。许多研究人员希望这些应用能够从化学中产生。化合物和材料的性质受化学键形成和断裂、电子运动、磁学行为的控制，所有这些均由量子力学决定。研究人员可以通过求解薛定谔方程来推断分子的行为，该方程基于电子能级和化学键长度等输入，在一定程度上描述了电子的概率性波动行为及其与原子核的相互作用。经典计算机已经掌握了像并五苯（pentacene）一样大的分子计算，并五苯是一条由五个碳氢化合物环组成的链，其中有22个电子在“π”共价键中，控制着分子的形状和反应性。但经典的计算依赖于近似值，对于较大的分子，无法回避的各种错误会混合在一起，从而导致结果不准确。相比之下，量子计算机不需要使用这些乏晰因子（fudge factor），而是可以直接将电子和原子核之间的相互作用映射到量子比特上，使用实际的量子系统来表示这类相互作用。“量子系统和量子计算之间存在内在的一致性，”Chad Edwards说。化学与量子计算完美匹配的另一个原因是，这些化学问题通常受到很强的限制，这使得计算它们不超出当今小型量子计算机的能力范围。研究人员可能只需要关注少数电子的相互作用，就可以了解药物分子如何与其蛋白质靶标结合。“对于量子计算机来说，最好的问题是那些题量很少、但有许多可能结果的问题，”Microsoft量子小组的首席运营官Brian Bilodeau说。鉴于当今量子计算机的能力仍然不够强劲，因此研究人员并没有要求量子计算机实现全面的算力提升。取而代之的是，大多数科学家追求将量子处理器和经典处理器结合在一起的混合方法。“现实情况是，这将是一个混合世界，”Brian Bilodeau说。当今最流行的混合算法是一种称为变分量子本征求解器（VQE）的算法，它使用经典计算机来近似分子的稳定基态，这是对其结构及其与近邻相互作用的关键最低能量构型。然后，交接给量子计算机去找到基态的精确解。但如今容易出错的量子计算机通常难以应对VQE。最大的VQE模拟出现在2020年，当时谷歌研究人员模拟了12个氢原子分子链中12个电子的行为。这接近但仍然没有达到经典建模的并五苯及其22个π电子。但是，新的改进混合算法正在赋予动力。2022年，谷歌科学家推出了一种可以计算分子氮和固体金刚石等物质中多达120个相互作用电子的基态。该算法使用经典计算机来探索电子相互作用的随机变化，并使用量子计算机来引导经典系统获得精确的结果。但它没有达到足够的准确性，研究人员声称比经典方法具有量子优势。Phasecraft的研究人员描绘了量子计算机需要什么来模拟超导体（红色和灰色）中原子周围的电子（黄色和蓝色）的行为化学家们现在正在推动这些混合装置发现新材料和催化剂，甚至了解神秘的光驱动反应。在《自然通讯》（Nature Communications）一月份的一份报告中，Phasecraft的研究人员描述了另一种混合算法，该算法利用量子计算机来模拟晶体材料的结构和电子行为，而其重复结构使它们更容易建模。在一项这样的分析中，Phasecraft的研究人员发现，他们的新算法仅需比现有VQE少100万倍的计算步骤，便能准确建模钒酸锶，这是一种很有前途的新型电池电极材料。尽管量子计算机还不足以让Phasecraft应用该算法，但从理论上讲，它可以揭示调整钒酸锶结构和改进电池的方法。能够加速化学反应的催化剂的反应表面是这项早期工作的另一个目标。2023年7月，发布在arXiv上的预印本中，Quantinuum研究人员报告说，他们使用混合装置来探索铂基催化剂的化学反应性，铂基催化剂通常用于燃料电池中，通过将氢气和氧气转化为水来发电。铂金既昂贵又稀有，因此研究人员希望提高其催化速度，使燃料电池能够使用更少的金属，或者更好的是用更便宜的物质完全取代它。为此，他们需要理解铂的工作原理——氧和氢如何吸附到催化剂上，它们如何通过中间化合物转移电子和质子，以及它们如何最终反应形成水分子，然后与催化剂解离。事实证明，仅靠经典计算机来说，计算任务太难了。因此，由Quantinuum量子化学家David Muñoz Ramo领导的研究人员提高了模拟的准确性。首先，他们使用经典计算机来模拟分子如何从催化剂颗粒中吸附和解吸；然后，他们应用量子计算机来识别所涉及的电子和质子最可能的反应途径。尽管这种方法尚未发现新的燃料电池催化剂，但Muñoz Ramo表示，随着量子计算硬件的改进，这种模拟的结果只会变得更加强大。量子算法还使研究人员能够研究化学中的基本问题。例如，去年，量子研究人员模拟了光与物质如何相互作用，这是视觉和光合作用的核心过程。他们针对的是光化学反应，其中分子从光子中吸收能量并将其转移到邻居。能量转移发生在飞秒量级（10^-15），太快了，无法观察。经典计算机可以模拟多个光子的相互作用，但由于计算强度，一次只能模拟几个光子。因此，悉尼大学物理学家Ting Rei Tan及其同事使用囚禁离子量子计算机来模拟单个量子能量“波包”在相邻分子之间的移动。这有效地将该过程减慢了1000亿倍，并使模拟其中一个事件成为可能。有了更强大的量子计算机，该实验应该能够模拟更多的反应并超越经典技术。“我们正在接近量子优势，”Tan说。“一旦量子计算能力得到提高，它将成为药物发现不可或缺的一部分。”Insilico Medicine加拿大公司Petrina Lamya。在短期内，量子计算可能会对药物开发产生最大的影响。如今，开发一种新药平均需要12年时间，成本超过20亿美元。Chad Edwards说，制药公司正在寻找他们在寻找下一个大片时可以获得的任何优势。罗氏（Roche）、辉瑞（Pfizer）、默克（Merck）、渤健（Biogen）和其他行业巨头已经与量子计算公司建立了早期的合作伙伴关系，希望这项新技术能够加速发现。“我绝对相信它即将到来，”药物开发商ProteinQure的研发负责人Mark Fingerhuth说。其中一些伙伴关系已开始产生初步成果。2023年9月，PASQAL和Qubit Pharmaceuticals的研究人员发布了一份预印本，描述了一种跟踪蛋白质周围水分子的混合方法，该方法可以指示药物结合口袋的位置。研究人员首先通过使用经典算法来跟踪称为主要尿蛋白-1（MUP-1）的肝脏蛋白中和周围的水分子密度，该蛋白属于一类被认为不可成药的蛋白质。然后，他们使用PASQAL的量子计算机来确定MUP-1潜在药物结合口袋中水分子的特定位置，为使用相同的方法来识别与疾病有关的蛋白质的可成药靶标奠定了基础。与此同时，2023年5月，另一家药物开发公司Gero的研究人员在《科学报告》上报告说，他们使用量子计算机更真实地模拟了可能的药物靶标的电子特性，例如分子之间正电荷和负电荷的分布，以及相邻原子之间称为范德华力的弱化学键的排列。他们将这些限制提供给在经典计算机上运行的人工智能（AI）软件，该软件提出了2300多种可以瞄准这些目标的药物分子。尽管这些结果只是一个概念证明，但Gero的科学家们指出，他们的量子人工智能混合体将通过寻找最佳药物共有的化学结构来展示其前景。“如果你用量子计算机解决困难的部分，那么经典人工智能的另一部分就会变得容易，”Gero首席执行官Peter Fedichev说。更清晰地了解潜在药物分子与其蛋白质靶标之间的相互作用也是药物开发商Insilico Medicine的目标。Insilico研究人员在2月份报告说，他们在IBM的16量子比特量子计算机上运行的混合算法可以帮助找到一种名为KRAS的细胞信号蛋白的新抑制剂，这种蛋白通常在癌症中发生突变。在该算法设计并排序了100万种不同的潜在KRAS抑制剂后，研究人员合成了15种最有前途的候选药物。基于细胞的测试显示其中两种化合物效果良好，为进一步测试奠定了基础。寻找新药并非唯一目标。PASQAL的研究人员还希望预测哪些候选药物会失败。即使潜在的药物在实验室研究中表现出色，许多药物在人体测试时也会引发毒副作用。在人体试验之前淘汰有毒药物可以为公司节省数百万美元。在最初的尝试中，Henry和他的PASQAL同事使用他们的32量子比特计算机预测了286种化合物的毒性，方法是对286种化合物的高分辨率结构进行建模，并将它们与349种已知会导致小鼠癌症的化合物进行比较。在2023年4月发表在《物理评论A》上的一篇论文中，他们报告说，他们的量子算法给出的结果与最好的经典替代方案相当。“我们正在用真实的生物化学数据集解决一个真正的问题，”PASQAL的首席技术官Loïc Henriet说。早期工作只是对更大更好的机器可能带来的事物的一种体验。谷歌和IBM的路线图表明，科学家将很快拥有数十万个量子比特。Quantinuum表示，它即将发布一种新的量子芯片，在赛道上换取一个更大的2D网格，可以处理更多的高保真离子量子比特。化学家寄予厚望。“我们认为在加速化学和药物发现方面还有很多工作要以这种方式去做，”Bilodeau说。“我们正处于拐点。”量子计算领域本身也将受益，因为其他领域的研究人员看到，这种奇特的技术具有脚踏实地的回报。“一旦量子计算能力得到提高，它将成为药物发现不可或缺的一部分，”Insilico Medicine Canada总裁Petrina Kamya说。“它将继续存在。”参考链接[1] https://www.science.org/content/article/quantum-computers-could-soon-speed-development-novel-materials-catalysts-and-drugs[2] https://journals.aps.org/prresearch/abstract/10.1103/PhysRevResearch.6.013221